随着数据信息量的增加,传统的图像融合算法已经不能满足图像处理的需要,近年来,压缩感知理论为信号的有效传输提供了新的思路,图像融合充分利用了压缩感知理论中的稀疏表示特性,取得了很好的效果,在国内外已有了大量的研究。多聚焦图像融合是图像融合中的一个重要的部分,它充分地融合不同聚焦点图像的互补信息,得到一幅质量更高,对该场景描述更为准确的新图像,便于人们观察或进行计算机处理。
　　本文针对目前基于稀疏表示的多聚焦图像融合算法存在的问题以及不足,对算法进行改进与研究,主要工作如下:
　　1.研究了多聚焦图像融合的原理与应用,对传统的图像融合算法进行了深入的研究,特别针对基于IHS变换、基于小波变换、基于Contourlet变换的图像融合算法进行分析。重点研究了稀疏表示理论中的字典的构造和稀疏编码,分析了K-SVD字典、稀疏分解中的OMP算法以及它们的具体步骤,并且研究了基于K-SVD字典下的稀疏表示的多聚焦图像融合算法。
　　2.针对传统的基于稀疏表示的图像融合算法存在的冗余性和残余量丢失的问题,提出了图像平均和残差保留的稀疏表示的图像融合算法,该算法通过对源图像块去平均后进行稀疏分解,解决了信息冗余问题;对稀疏表示中的残余量进一步采用小波变换进行融合,保证了信息的完整性,通过实验比较验证了其算法的有效性。
　　3.针对传统的字典学习的计算速度比较慢,且忽略了图像局部特征,影响了融合效率和质量的问题,提出了多尺度分解的稀疏表示的图像融合算法,充分利用小波多尺度分析较好突出图像局部特征的特点,和稀疏表示有效结合,采用多尺度字典学习进行稀疏编码,并通过实验验证了其算法的优越性。